1. 서 론
하천이나 호소 등 수계로 유입되는 오염물질은 해당 유역의 하·폐수 배출 및 처리시설 등의 점오염원 혹은 토지 이용과 강우에 의해 유출되는 비점오염원으로 구분된다. 현재 국가적으로 점오염원 및 비점오염원 관리 및 대책 수립에 다양한 노력을 기울이고 있지만, 하천 수질을 효과적으로 개선하기에는 매우 미흡한 것으로 알려져 있다. 2018년 기준 BOD(Biochemical Oxygen Demand) 배출 부하량 비율은 점오염원 32.3%, 비점오염원 67.7%이었는데, 2025년까지 비점오염원 BOD 배출부하량은 2018년의 배출부하량인 701톤/일에서 769톤/일로 9.7%가 더 증가할 것으로 전망하고 있다[1-3].
이는 도시화로 인한 불투수 면적 증가와 더불어 최근 이상기후로 인하여 강우량이 16.3 mm/10년의 폭으로 증가하고 있으며, 강우강도 또한 0.18 mm/일·10년으로 증가하기 때문인 것으로 보인다[4]. 또한, 국내의 도시화율은 1970년 40.7%에서 2017년 81.5%로 증가했으며, 2025년까지는 81.6%까지 증가할 것으로 예측하고 있다[5]. 이로 인하여 동일 기간 불투수율은 3.00%에서 9.21%로 증가하였다. 따라서, 비점오염원물질의 배출량 및 비점오염원 관리가 더욱 복잡하고 어려워지고 있는 실정이다[3].
비점오염원의 유출특성은 강우사상에 따라 변화한다[6]. 비점오염물질은 일반적으로 강우강도가 높을수록 다량의 유출이 발생되는 것으로 알려져 있으며, 강우강도는 강우량 및 강우지속시간과 관계가 있다. 또한, 선행 건기일수가 증가하면 강우시 비점오염 배출농도가 증가하는 등 비점오염물질의 유출 특성은 강우사상의 특성에 영향을 받는다[7-9]. 따라서, 비점오염원에 대한 유출 특성을 정확히 평가하기 위해서는 강우량, 선행 건기일수, 강우시작 후 경과일수와 같은 강우사상의 특성을 함께 고려하여야 한다.
정부는 비점오염물질측정망 운영을 통해 비점오염물질의 실시간 측정자료 확보 및 추세파악과 비점오염물질 정량화 및 유출특성 평가를 하고 있으며 이를 통하여 비점오염저감 대책 및 정책수립을 위한 기초 자료로 활용하고 있다. 비점오염물질측정망에서 수집하는 수질 자동 측정 항목은 10분마다 기록하고 있으며 대상 항목은 수온, pH, EC(Electrical Conductivity), DO(Dissolved Oxygen), 탁도다. 중권역 이상의 측정망에서는 T-N(Total Nitrogen), T-P(Total Phosphorus), TOC(Total Organic Carbon)도 측정하도록 고시하고 있다. 또한, 수동 분석에서는 SS (Suspended Solid), BOD, T-N, T-P, TOC를 측정하고 있다[10].
비점오염물질측정망에서 수집되는 수질 데이터는 주로 시계열 및 공간 데이터로 구성되어 있으며, 이들 수질 데이터는 수질인자에 관계없이 계절에 따라 공통적으로 일정한 변동폭의 경향을 나타내는 주기성을 갖는 경우가 많다. 이러한 특정 주기성을 갖는 수질 데이터와 강우, 기온 등의 기상 자료를 토대로 통계분석 및 머신러닝을 수행하여 기존 측정망에서의 모니터링 시 누락 또는 이상 데이터의 보정과 미래 수질에 대한 정확한 예측이 가능하다. 이와 같이 비점오염물질측정망의 수질데이터에 대한 이상치 및 결측치가 보정되면 그에 대한 정확한 패턴 및 추세 분석과 장래 수질 측정 항목 변화 등을 예측할 수 있다[11].
최근에는 환경분야에 이러한 데이터를 가공하는 기술을 활용한 빅데이터 관리 및 분석 기술이 주목을 받고 있다. 비점오염물질측정망 등의 환경분야 공공데이터는 물론 다양한 분야에서 수집되는 대규모의 광범위한 데이터를 빅데이터로 활용하여 사용자의 목적에 맞게 가공한 후 의미있는 결론을 도출하거나 도출된 결과를 토대로 미래나 장래 발생할 수 있는 사건을 예측 또는 평가하는 데 이용하는 사례가 증가하고 있다[12,13].
결국 특정한 활용 목적에 맞게 가공한 다양한 종류의 환경데이터에 기반한 빅데이터와 그 빅데이터를 분석하는 머신러닝에 의한 예측 모델 구축 시 최적 입력 변수의 선정은 예측 정확도의 향상에 큰 영향을 주며 이는 결국 예측 결과에도 매우 중요한 영향을 미친다. 따라서, 입력 데이터 간의 상관관계를 검토하여 유의미한 상관관계가 있는 경우 예측 모델의 입력변수로 사용하고, 그와 동시에 항목별 가중치를 부여하여 예측 모델에 대한 정확도를 높일 수 있다[11,14].
따라서, 본 연구에서는 비점오염물질측정망 중 가장 많은 데이터를 축적하고 있는 소권역 측정망인 삼천 측정망을 대상으로 비점오염물질측정망의 수질 측정 항목 사이의 상관관계와 비점오염물질의 유출 시 영향을 줄 수 있는 인자인 선행 건기일수, 강우사상 강우량 및 강우시작 후 경과일수 등에 따른 비점오염원 유출 특성을 평가하였다. 이와 동시에, 비점오염물질측정망에서 수집되는 측정 항목 간의 상관관계를 분석하여 향후 비점오염원 수질 예측 모델의 입력 값으로의 활용 가능성을 검토하였다.
2. 연구 방법
2.1. 대상지점 선정 및 측정 자료 수집
2.1.1. 대상지점 선정
2023년 12월 기준으로 운영되고 있는 비점오염물질측정망 38개소 중 삼천 측정망에 대한 측정자료를 수집하였다. 삼천 측정소(N 35°50'08.7", E 127°06'24.5")는 2018년부터 운영되고 있으며 비점오염물질측정망 중 가장 많은 데이터를 축적하고 있다(Fig. 1).
2.1.2. 측정 자료 수집
상관관계 분석에 사용하기 위한 자동 측정 자료 및 수 분석 자료는 환경부의 비점오염원 관리 정보시스템(http://nonpoint.or.kr/)을 통해 수집하였다.
2.2. 강우 분석
2.2.1. 강우 데이터 수집
강우 분석을 위해 대상지점으로 선정된 삼천 측정망과 가장 가까운 전주 기상관측소(146)의 종관기상관측(ASOS) 강우 데이터를 활용하였으며, 이 데이터는 기상청의 기상자료 개방포털(http://data.kma.go.kr/)을 통해 수집하였다.
2.2.2. 강우 분석
환경부에서는 강우 발생 특성을 분석하여 독립강우 및 비독립(연속)강우로 강우사상을 구분하고 있다. 독립강우는 우천일과 강우영향일로 구분하여 개별적으로 측정되며, 마지막 강우 영향일(2일) 기간에 새로운 우천일을 포함하지 않는다(Fig. 2). 반면에 비독립(연속)강우는 우천일과 강우영향일로 분리된 독립 강우의 마지막 강우영향일(2일) 기간에 새로운 우천일을 포함한다(Fig. 3). [15].
본 연구에서는 해당 강우사상 구분 방법을 활용하여 삼천 측정망의 운영 전기간에 해당하는 전주 기상관측소의 일강우 데이터를 분석하였다. 총 1,675개의 일 강우 데이터를 기반으로 측정 날짜를 각각 청천일, 강우일, 강우영향일로 분류하였다(Table 1). 또한 분류 결과에 따라 강우사상별 특성으로 선행 건기일수, 일 강우량, 강우사상별 강우량, 강우시작 후 지속일수를 분석하였다.
2.3. 상관관계 분석
2.3.2. 데이터 전처리
삼천 측정망의 경우 2018년 1월 1일부터 2022년 12월 31일까지 수집한 수질 자료를 대상으로 이상치 및 결측치를 제외한 데이터를 본 연구에 사용하였다. 즉, 수집 시 강우사상별로 구분하여 수동 분석 및 자동 측정 자료로 추출하였다(Table 3).
2.3.3. 상관관계 분석 방법
데이터 전처리에는 Microsoft Office Excel(Professional Plus 2021, Microsoft Corporation, Redmond, WA, USA)를 사용하였고, 상관관계 분석에는 Python(ver. 3.10.12, Python Software Foundation, Wilmington, DE, USA) 프로그램을 사용하였으며, Python 3.10.12에 대한 자세한 내용은 python 공식 웹사이트(https://www.python.org/)에서 확인할 수 있다. Python은 사용자들이 데이터 분석에 활용하기 편리하도록 다양한 라이브러리를 제공하고 있는데 이러한 라이브러리 중 데이터 프레임을 만들고 데이터에 대한 수정을 할 수 있는 pandas 라이브러리를 사용하였으며, 상관관계 분석에는 ‘corr()’ 함수를 활용하였다.
3. 결과 및 고찰
3.1. 자동 측정 항목 간 상관관계
3.1.1. 자동 측정 항목 간 상관관계
자동 측정 항목 간 상관관계를 분석한 결과 수온과 pH, EC, DO 등의 수질 측정 항목이 서로 밀접하게 관련되어 있는 것으로 보이며, 특히 수온과 DO의 관계는 강한 음의 상관관계(.0.769)를 나타내었다. 이는 수온이 상승할수록 물에 대한 산소 용해도가 낮아지기 때문인 것으로 보였다. 따라서, 여름철 높은 기온에서 수온이 상승할 경우 이에 대한 추가적인 환경 모니터링 및 평가가 필요할 것으로 판단되었다. 또한, DO와 pH도 유의미한 양의 상관관계(0.695)를 보였으며, pH와 EC도 그 보다는 낮지만 뚜렷한 양의 상관관계(0.495)를 보이기 때문에 수온의 변화가 수중의 물리화학적 수질특성에 중요한 영향을 미치는 것으로 여겨졌다[17,18]. 또한, 탁도의 경우 모든 수질 측정 항목과 종속적인 상관관계를 보이지 않고 오히려 타 변수의 변화와는 무관하게 하나의 독립적인 수질인자로 작용할 수 있음을 시사하였다(Table 4).
3.1.2. 청천일의 자동 측정 항목 간 상관관계
청천일의 자동 측정 항목 간 상관관계를 분석한 결과, 강우사상별로 구분하지 않은 경우와 유사하게 수온과 DO 간 비교적 높은 음의 상관관계(−0.757)를 보인 반면, pH와 DO간에는 유의미한 양의 상관관계(0.652)를 나타내었다. 또한, pH와 EC는 비교적 낮은 양의 상관관계(0.404)를 보여 청천일의 경우에도 수온의 변화가 하천의 물리화학적 수질인자에 직·간접적으로 영향을 주는 것을 확인할 수 있었다[17,18]. 탁도의 경우 강우사상별로 구분하지 않은 경우와 마찬가지로 타 수질인자의 변화에 영향을 받지 않고 독립적인 변동특성을 나타낼 가능성이 높은 것을 확인하였다(Table 5).
3.1.3. 강우일의 자동 측정 항목 간 상관관계
강우일의 자동 측정 항목 간 상관관계를 분석한 결과 앞선 3.1.1과 3.1.2의 경우와 매우 유사하게 나타났다. 특히, 수온과 DO 사이에 비교적 높은 음의 상관관계 (−0.739)로 보여 강우시에도 수온이 상승한다면 DO 농도가 크게 감소할 수 있음을 시사하였다. 또한, DO와 pH(0.614) 및 pH와 EC(0.529) 간 서로 유사한 양의 상관관계를 보여 강우시 이들 3개의 수질 인자가 동시다발적으로 서로 밀접하게 영향을 주고받는 인자인 것으로 판단하였다. 따라서, 강우시에도 수온의 변화가 수반된다면 하천의 수질인자도 크게 영향을 받을 수 있음을 확인하였다[17,18]. 탁도의 경우 앞선 3.1.1과 3.1.2와 마찬가지로 다른 수질 측정 항목의 변화와 관계없이 독립적인 수질 인자로 작용하는 것으로 확인하였다(Table 6).
3.1.5. 강우사상별 측정 항목 간 상관관계 비교
강우사상의 종류와 측정 항목 간의 상관관계를 분석한 결과 강우사상에 관계없이 전반적으로 수온이 DO와 강한 음의 상관관계를 보였으며, DO와 pH, EC는 양의 상관관계를 보여 수온의 변화는 결국 하천의 물리화학적 인자에 큰 영향을 줄 수 있음을 확인하였다[17,18]. 한편, 청천일의 경우 수온과 탁도 그리고 pH와 탁도를 제외한 수질 측정 항목 간의 상관관계가 강우사상별 구분 없이 진행한 전체 데이터에 대한 상관관계 분석 결과와 비교하여 모두 감소하였다. 또한, 강우일의 경우 pH와 EC 및 EC와 탁도의 상관관계를 제외한 그 외 수질 측정 항목 간의 상관관계는 모두 감소하였다. 강우영향일의 경우 EC와 탁도 및 DO와 탁도의 상관관계를 제외한 그 외 자동 수질 측정 항목 간의 상관관계가 모두 감소하는 것으로 나타났다. 이는 강우시 수질 측정 항목의 측정 데이터가 강우에 의해 유의미하게 영향을 받는 것을 의미한다[19]. 강우사상과 관계없이 수집된 전체 수질측정 자료를 대상으로 상관관계를 분석했을 때는 강우와 비강우에 따른 수질 인자 간의 변동성이 상쇄되어 강우사상별 상관관계에 비하여 전반적으로 높게 나타난 것으로 판단되었다. 청천일의 경우 삼천측정망이 위치한 전주천 유역의 경우 불명 오염원에 의한 하천 유출이 간헐적으로 발생하여 이로 인한 수질 항목간 상관관계가 강우시와 비교하여 더 크게 영향을 받을 수 있는 것으로 여겨졌다[20]. 이와 더불어, 강우일, 강우 영향일의 경우 강우에 의해 유출된 비점오염물질이 추가되어 하천 수질에 더 복합적이고 비선형적인 영향을 줄 수 있을 것으로 판단되었다. 따라서, 강우사상별로 구분한 데이터보다는 강우와 유무와 관계없이 조사기간 동안 측정된 전체 수질 항목 측정자료를 대상으로 상관관계를 분석한다면 보다 더 정확한 수질 예측이 가능할 것으로 판단하였다(Fig. 4).
3.2. 수동 측정 항목 간 상관관계
3.2.1. 청천일의 수동 측정 항목 간 상관관계
청천일의 수동 측정 항목 간 상관관계 분석결과 모든 항목에서 양의 상관관계를 보이는 것으로 확인되었으며, 특히 T-P가 여러 다른 항목과 양의 상관관계를 보이는 것으로 확인되었다. BOD와 T-P 간의 비교적 높은 양의 상관관계(0.624)는 BOD가 증가하는 경우 T-P의 농도도 동시에 상승할 수 있음을 의미하므로 효과적인 수계의 부영향화 방지와 제어를 위해서는 BOD도 주요한 보조 지표 항목으로 관리할 필요가 있음을 확인하였다. SS와 TOC는 낮은 상관관계(0.261)를 보였는데 이는 SS를 구성하는 물질 중 매우 일부가 유기성 입자로 존재할 수 있음을 나타내는 것이며, 그 외 대부분의 SS를 구성하는 물질은 무기 성분임을 의미하는 것이다.
3.2.2. 강우일의 수동 측정 항목 간 상관관계
강우일의 수동 측정 항목 간 상관관계 분석결과 SS와 T-P는 유의미한 양의 상관관계(0.479)를 보였으며 이는 강우일의 타 항목간 상관관계에 비하여 가장 높았다. 이는 강우시 강우 유출에 따라 발생하는 탁도 유발물질인 SS 중 인이 인산염의 형태로 결정성 또는 유기인의 흡착성 부유물질로 존재하였기 때문으로 판단되었다[20,21]. 한편, BOD와 T-P(0.369) 및 T-N과 TOC(0.369)는 각각 약한 양의 상관관계를 보였으며, 이는 강우일 동안 유기오염물질과 질소 성분이 각각 수 중의 인과 유기탄소의 발생과 미약하게 연관성을 가질 수 있음을 의미하는 것이다. 그러나, 이러한 상관관계가 매우 낮기 때문에 모든 강우 상황에서 동일하게 일관성을 갖고 재현되는 것은 아님을 시사하는 것이며, 결국 이는 상황에 따라 언제든 변동될 수 있을 것이다. 따라서, 비강우시와는 다르게 강우일에는 비점오염원을 포함한 불특정의 다양한 오염원이 복합적으로 하천에 유입될 수 있으므로, 각 수질 측정 항목을 독립적으로 관리하면서도 상관관계가 높은 항목인 SS와 T-P는 보다 더 집중적인 관리를 하여 인에 의한 하천의 부영양화를 효과적으로 제어할 수 있을 것으로 판단되었다(Table 9).
3.2.3. 청천일 및 강우일의 수동 측정 항목 간 상관관계 비교
청천일 및 강우일의 수동 측정 항목 간 상관관계를 비교분석한 결과 SS와 T-P의 상관관계가 강우일(0.497)과 청천일(0.248)의 경우보다 더 높게 나타났다. 이는 강우시 하천에 유입된 비점 오염원에서 유래한 SS에 T-P가 더 높은 농도로 존재할 수 있음을 시사하는 것이다. 반면, BOD와 T-P 간의 상관관계는 청천일(0.624)이 강우일(0.369)의 경우에 비해 더 높게 나타났으며, 이는 강우시 비점오염원 유출에 의하여 BOD보다는 T-P의 증가폭이 비선형적으로 더 증가할 수 있음을 보여주는 것이다. T-N과 TOC의 상관관계는 청천일 및 강우일 모두 비슷한 수준으로 나타났으며, 이는 질소와 유기 탄소가 강우 여부에 관계없이 동시에 유입될 수 있는 가능성이 있는 것으로 검토되어졌다(Table 8, 9).
3.3. 자동 및 수동 측정 항목 간 상관관계
3.3.1. 청천일의 자동 및 수동 측정 항목 간 상관관계
청천일의 자동 측정 항목과 수동 측정 항목 간의 상관관계 분석 결과 수온과 SS는 비교적 낮은 양의 상관관계(0.419)를 보였다. 이는 수온이 상승함에 따라 물의 밀도가 낮아져 입자의 이동이 활발해지면서 수중 져 SS농도가 증가하였기 때문으로 여겨졌다[22]. SS와 DO는 비교적 낮은 음의 상관관계(−0.438)를 보여 수중 부유물질의 농도가 증가하면 오히려 수중의 빛의 투과도가 감소하면서 수생식물의 광합성을 통한 산소 생성이 줄어들 수 있음을 의미하는 것이다[23]. 탁도와 BOD는 비교적 높은 상관관계(0.675)를 보였는데 이는 탁도가 증가할수록 하천으로의 유기성 오염물질의 유입도 동시에 증가하기 때문으로 판단되었다. 한편, pH와 SS, T-P간 보여준 음의 상관관계는 물의 염기도가 높아질수록 부유물질과 인이 침전하여 수중의 이들의 농도는 감소할 수 있는 것으로 나타났다(Table 10). 이를 통해 청천일 동안의 수질 관리는 수온 상승에 따른 부유물질과 산소 농도의 변화에 집중할 필요가 있으며, 이와 동시에 pH 변화에 따른 인과 부유 물질도 심도있게 관리되어야 할 것으로 판단되었다.
3.4. 강우사상 특성과 자동 측정 항목 간 상관관계
3.4.1. 청천일의 상관관계
청천일의 강우사상 특성인 선행 건기일수와 자동 측정 항목 간 상관관계를 분석한 결과 선행 건기일수에 대한 pH(0.480)와 EC(0.416)는 유의미한 양의 상관관계를 보였는 데 이는 건기가 길어질수록 하천으로 유입되는 수량이 감소하면서, 무기 염류가 농축되어 pH와 EC가 상승하였기 때문으로 판단되었다. 한편, 선행 건기일수와 DO는 약한 양의 상관관계(0.378)를 보였는데 선행 건기일수가 증가함에 따라 오히려 DO가 증가하는 것을 의미하며 이는 선행 건기일수가 증가하면서 하천으로의 유기오염물질의 유입이 감소하면서 자정작용에 필요한 산소 요구량이 감소하였기 때문으로 여겨졌다. 선행 건기일수와 수온의 경우 낮은 음의 상관관계(−0.328)을 보여 선행 건기일수가 증가하면서 강우가 비교적 적게 발생하는 겨울의 계절적 특성에 영향을 받았기 때문으로 판단되었다. (Table 12).
3.4.2. 강우일의 상관관계
강우일의 10분 강우량과 강우사상 특성인 일 강우량, 강우사상 강우량, 선행 건기일수, 강우시작 후 경과일수와 자동 측정 항목간 상관관계를 분석하였다. 분석 결과 10분 강우량은 자동 측정 항목과의 상관관계는 무시할 수 있는 수준으로 나타났다. 일 강우량은 pH(−0.310)와 EC(-0.338)와는 낮은 음의 상관관계를 나타냈으며, 강우 사상 강우량은 pH와도 낮은 음의 상관관계(-0.343)를, EC와는 이보다 다소 높은 음의 상관관계(−0.477)를 나타내었다. 강우시작 후 지속일수는 pH와 낮은 음의 상관관계(-0.396)를, EC와는 이보다 다소 높은 음의 상관관계(-0.460)를 보였다. 이는 일 강우량, 강우사상 강우량과 강우 지속일수가 증가할수록 강우로 인한 하천수의 희석 효과로 인해 물의 이온 농도가 낮아지는 동시에, 산성비의 하천 유입에 따라해 pH가 감소하였기 때문으로 판단되었다. 선행 건기일수의 경우 수온과는 -0.389로 낮은 음의 상관관계를 보여 선행 건기일수가 기온이 낮아지는 겨울철까지 이어지는 경우 강우량이 적기 때문인 것으로 확인되었다. 또한, 선행 건기일수와 pH는 양의 상관관계(0.416), EC와는 이보다 낮은 양의 상관관계(0.320)를 나타내어, 강우시 건기동안 농축 되어있던 무기 염류가 강우시 비점오염원으로 하천에 유출되어 EC가 증가하였기 때문으로 판단되었다(Table 13).
3.4.3 강우영향일의 상관관계
강우영향일의 강우사상 특성인 강우사상 강우량, 선행 건기일수, 강우시작 후 경과일수와 자동 측정 항목간 상관관계를 분석하였다. 분석 결과 강우사상 강우량과 수온은 낮은 양의 상관관계(0.309)를 보이는 데 이는 기온이 높은 여름철에 강우량이 집중되어 하천에 유입되어 오히려 하천의 수온을 감소시키기 때문으로 판단되었다. 강우사상 강우량과 EC는 음의 상관관계(−0.409), pH와는 그보다 낮은 상관관계(−0.254)를 나타내었다. 강우시작 후 지속일수의 경우 EC(−0.460)와 pH(−0.396)는 유사한 정도의 음의 상관관계를 보여 강우일과 마찬가지로 강우사상 강우량과 강우시작 후 지속일수가 증가할수록 강우로 인한 하천수의 희석효과로 인해 수중의 이온농도가 감소하는 동시에 산성비로 인해 pH가 감소하였기 때문으로 판단되었다. 선행 건기일수의 경우 EC와는 0.432로 양의 상관관계를 보였으며, 이 또한 강우일과 동일하게 건기동안 농축되었던 무기 염류가 강우로 인해 비점오염원으로 하천에 유출되었기 때문으로 여겨졌다(Table 14).
3.5. 강우사상 특성과 수동 측정 항목 간 상관관계
3.5.1. 청천일의 상관관계
청천일의 강우사상 특성인 선행 건기일수와 BOD는 0.401로 양의 상관관계, T-N과는 0.377로 그보다 다소 낮은 양의 상관관계를 나타내었다. 이는 건기가 길어질수록 하천 유량이 감소하여 하천 내 유기물과 질소 성분이 농축되어 그 농도가 동시에 증가하였기 때문으로 판단되었다(Table 15).
3.5.2 강우일과의 상관관계
강우일의 10분당 강우량과 강우일의 강우사상 특성인 일 강우량, 강우사상 강우량, 선행 건기일수, 강우시작 후 경과일수와 자동 측정 항목간 상관관계를 분석하였다. 분석 결과 선행 건기일수와 BOD가 0.422로 양의 상관관계를 보였는데, 이는 건기가 장기간 지속될수록 비점오염원으로 축적된 유기오염물질의 농도가 증가하여 강우시 하천으로 유입되었기 때문으로 판단되었다. 또한, T-P에 대한 일 강우량(0.233), 강우사상 강우량(0.274), 강우시작 후 경과일수(0.293)는 모두 낮은 양의 상관관계를 보였다. 한편, SS에 대한 선행 건기일수(0.220)와 강우시작 후 경과일수(0.242)는 낮은 양의 상관관계를 보였는 데 이는 강우 일수가 지속될수록 강우로 인한 농경지 토양 침식 등으로 인한 T-P 및 SS의 유출이 증가하였기 때문으로 판단되었다(Table 16).
4. 결 론
비점오염원 수질 측정 항목 예측 모델에 사용하기 위한 가중치 산정 및 반영 여부를 확인하기 위해 비점오염 측정망의 측정 항목 간 상관관계와 강우사상 특성 간의 상관관계를 분석하였다.
비점오염측정망의 자동 측정 항목 간 상관관계 분석 결과 강우사상으로 구분하지 않은 전체 데이터의 상관관계를 분석하는 것에 비해 청천일, 강우일, 강우영향일로 강우사상을 구분하여 분석하는 것이 오히려 상관관계가 감소하였다.
수동 측정 항목의 경우 청천일과 강우일에 대한 측정 항목 간 상관관계가 상이하였다. 이는, 강우시 비점오염물질의 유입으로 인해 수질 특성이 변화하였기 때문으로 판단하였다.
자동 및 수동 측정 항목간 상관관계를 분석한 결과 청천일의 경우 탁도에 대하여 각각 SS와 T-P가 모두 상대적으로 높은 것으로 보아 청천일에 시 관측되는 탁도 유발물질은 탁도와 BOD, 탁도와 T-P의 상관관계가 높고, TOC와의 상관관계는 낮은 것으로 분석되어 강우일의 탁도 유발물질은 용존성 유기물질과 T-P인 것으로 판단되었다. 한편, 강우일의 경우도 탁도 유발물질은 SS, T-P 등을 함유하고 있을 것으로 여겨졌다.
강우사상 특성과 자동 및 수동 측정 항목 간의 상관관계를 분석한 결과, 선행 건기일수는 pH와 EC와는 양의 상관관계를 보였고, 강우사상 강우량은 pH와 EC와는 음의 상관관계, 강우시작 후 경과일수는 SS및 T-P와는 양의 상관관계를 나타내 선행 건기일수, 강우사상 강우량, 강우시작 후 경과일수 등 강우사상 특성은 수질 측정 항목들과 유의미한 상관관계를 보이는 것으로 확인되었다.
본 연구에서는 강우사상 구분을 통해 비점오염물질 측정 항목 간 상관관계를 분석하고, 강우사상 특성과의 상관관계를 검토하여 비점오염원 수질 예측 모델의 입력변수로서 가능성을 확인하였다. 강우사상 구분을 통해 자동 측정 항목 간 상관관계를 분석한 결과 강우사상과 관계 없이 수집된 전체 데이터에 대한 상관관계와 비교 분석했을 때 모두 상관관계가 감소한 것으로 나타나 강우사상을 구분하여 예측 모델을 구축하는 것은 모델의 정확도를 감소시킬 것으로 판단하였다. 다만, 선행 건기일수, 일 강우량, 강우사상 강우량 등은 비점오염물질 유출에 중요한 영향을 미치는 요인으로 검토되었다. 따라서, 비점오염측정망 수질 예측을 위한 머신러닝 모델 구축 시 강우사상 특성을 추가 입력 변수로 활용한다면, 예측 모델의 정확도를 향상시킬 수 있을 것으로 판단되었다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
